基于混合神经网络模型的景区客流预测方法和装置制造方法及图纸

技术编号:24171440 阅读:42 留言:0更新日期:2020-05-16 03:05
本发明专利技术公开了基于混合神经网络模型的景区客流预测方法和装置。本发明专利技术的方法包括:获取景区周边公共交通客流登降时序数据以及景区客流时序数据;将景区周边公共交通客流登降时序数据以及景区客流时序数据作为卷积神经网络模型的输入对象,利用卷积神经网络模型进行特征提取,得到特征向量;利用长短期记忆网络模型对特征向量进行处理,将处理得到的景区客流时序数据作为预测结果。本发利用卷积神经网络模型提取景区周边公共交通登降时序数据与景区客流时序数据之间的潜在关系并形成特征向量,最后将特征向量以时间序列方式输入长短期记忆网络模型中进行景区客流预测,提高了对景区客流的预测精度。

【技术实现步骤摘要】
基于混合神经网络模型的景区客流预测方法和装置
本专利技术涉及计算机领域,尤其涉及一种基于混合神经网络模型的景区客流预测方法和装置。
技术介绍
随着我国旅游业的蓬勃发展,游客量逐年上升,据世界旅游组织预测,2020年中国将成为世界第一旅游目的地,第四大客源输出国。因此,旅游需求预测在国家旅游发展政策制定、旅游市场资源优化配置、旅游企业战略实施等方面有着极为重要的作用,而游客人数预测又是旅游需求预测的核心,同时也是众多学者研究的难点课题。在数据选择方面,城市公共交通数据采集和分析技术可以提供及时、准确、可靠地公共交通运行数据和客流信息,而既有研究大多采用单一类型的客流监测数据,局限性高且数据量小,缺乏对景区周边多模式交通客流的融合分析,无法满足景区的综合预测预警需要。在预测方法的选择方面,由于景区客流量易受天气、节假日等诸多外部因素影响,具有复杂的非线性与波动性,很难捕捉其内在变化规律,然而传统的宏观客流预测方法,如时序分析模型(ARMA、ARIMA)、支持向量回归(SVR)等大多基于数理统计的思想,事先建立序列的主观模型,再根据主本文档来自技高网...

【技术保护点】
1.基于混合神经网络模型的景区客流预测方法,其特征在于,包括:/n获取景区周边公共交通客流登降时序数据以及景区客流时序数据;/n将所述景区周边公共交通客流登降时序数据以及所述景区客流时序数据作为卷积神经网络模型的输入对象,利用所述卷积神经网络模型对景区周边公共交通客流登降时序数据以及景区客流时序数据进行特征提取,得到特征向量;/n利用长短期记忆网络模型对所述特征向量进行处理,将处理得到的景区客流时序数据作为预测结果。/n

【技术特征摘要】
1.基于混合神经网络模型的景区客流预测方法,其特征在于,包括:
获取景区周边公共交通客流登降时序数据以及景区客流时序数据;
将所述景区周边公共交通客流登降时序数据以及所述景区客流时序数据作为卷积神经网络模型的输入对象,利用所述卷积神经网络模型对景区周边公共交通客流登降时序数据以及景区客流时序数据进行特征提取,得到特征向量;
利用长短期记忆网络模型对所述特征向量进行处理,将处理得到的景区客流时序数据作为预测结果。


2.如权利要求1所述的基于混合神经网络模型的景区客流预测方法,其特征在于,所述景区周边公共交通客流登降时序数据包括景区周边公共交通到达客流时序数据和景区周边公共交通离开客流时序数据。


3.如权利要求2所述的基于混合神经网络模型的景区客流预测方法,其特征在于,所述景区周边公共交通客流登降时序数据的来源包括公交车客流登降时序数据、地铁客流登降时序数据、出租车客流登降时序数据、共享单车客流登降时序数据以及公租自行车客流登降时序数据中的一种或者多种。


4.如权利要求1至3中任一项所述的基于混合神经网络模型的景区客流预测方法,其特征在于,所述获取所述景区周边公共交通客流登降时序数据,包括:
规划一个研究区域,所述研究区域覆盖所述景区;
判断公共交通OD数据中起点和终点中是否存在至少一个地点位于所述研究区域内,获取所述公共交通OD数据位于所述研究区域内的地点的客流登降时序数据。


5.一种基于混合神经网络模型的景区客流预测装置,其特征在于,包括:
获取模块,用于获取景区周边公共交通客流登降时序数据以及景区客流时序数据;
提取模块,用于将所述景区周边公共交通客流登降时序数据以及所...

【专利技术属性】
技术研发人员:张健钦张学东高智文杨卫军
申请(专利权)人:北京建筑大学广州市城市规划勘测设计研究院
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1